Depuis un certain temps déjà, le genre humain s'intéresse au développement d'une intelligence artificielle. Cependant, avec les récentes évolutions en matière d'algorithmique et de mécatronique, ce rêve ne semble plus si lointain... Nous sommes au bord d'une révolution : la conscience des machines !
Des I.A. capables d'apprendre ?
Martin Abada et David G. Andersen, tous deux chercheurs pour le programme Google Brain, ont réalisé une expérience pour voir si deux intelligences artificielles, nommées Alice et Bob, pouvaient réussir à créer un algorithme afin de communiquer sans être comprises par Eve, une troisième IA. Pour finir, Alice et Bob ont été capables de développer un langage qu'Eve ne comprenait plus. Ces IA ont donc été en mesure d’utiliser des systèmes de cryptage et de décryptage qu’elles n’auraient pas dû connaître, ne possédant pas les algorithmes nécessaires. Elles ont donc réussi à franchir l’une des barrières séparant l’Homme de la machine : la capacité d’auto-apprentissage. Certaines rumeurs affirment que Martin et David eux-mêmes ne parvenaient pas à comprendre ces deux algorithmes lorsque ça s'est produit, rumeurs qu'ils ont démentis. Aujourd'hui cependant, il est certain que les scientifiques chargés du projet on déchiffré le langage développé par Alice et Bob.
Ces deux IA ont été conçues dans le cadre du projet Google Brain, un projet de recherche d’apprentissage en profondeur, plus connu sous le nom de Deep learning. L’apprentissage en profondeur a déjà abouti à de nombreux progrès concernant les IA. C’est notamment l’apprentissage en profondeur qui a permis à des IA de reproduire certaines fonctions du cerveau humain, comme l’apprentissage. Des chercheurs de l’université de Berkeley ont mis au point un algorithme de Deep learning permettant à des robots de réaliser des tâches sans aide humaine et sans avoir été programmés. Cet algorithme permet en effet aux robots d’apprendre de leurs erreurs, à l’instar des humains, et s’est révélé très efficace. Alice et Bob ne sont donc qu’un pas supplémentaire du Deep learning dans sa marche pour révolutionner la robotique. L’apprentissage en profondeur a aussi permis la création du Google Deepmind, une filiale de Google travaillant sur l’intelligence artificielle qui a créé plusieurs algorithmes. L’un des plus célèbres d'entre eux est AlphaGo, un algorithme conçu pour jouer au jeu de Go, un jeu traditionnel chinois considéré comme l’un des plus difficiles à aborder pour une IA. Si AlphaGo est si célèbre, c’est parce qu’en mars 2016, elle a battu Lee Sedol, l’un des meilleurs joueurs de Go du monde, sur un score de 4 à 1. En novembre 2016, Deepmind a annoncé un partenariat avec l’entreprise de jeux vidéos Blizzard, dans le but de créer une intelligence artificielle capable de jouer au jeu nommé Starcraft II, l’un des jeux de stratégie les plus complets et complexes existants.
Possibilités et risques du Deep Learning
La prochaine étape de l’intelligence artificielle passera par le Deep learning . C’est une méthode de programmation dont les avancées majeures ont, entre autres, été réalisées par le professeur Geoffrey E. Hinton, dont le groupe de chercheurs à Toronto a permis notamment de développer un nouveau modèle de réseau de neurones artificiels, appelée le Deep Belief Network, ou DBN.
Qu’est-ce qu’un réseau de neurones artificiels ? Selon le professeur Hinton, « très schématiquement, l’idée consiste à s’inspirer du fonctionnement du cortex visuel des animaux. Dans une version élémentaire, chaque neurone i d’un tel réseau possède un niveau d’activation xi compris entre 0 et 1. » Et le modèle, ou l’architecture du réseau, est défini par le schéma des connexions entre les neurones. Et dans un DBN, les neurones sont agencés comme ceci :
Les informations passent donc par la première couche x, sont comprimées, puis passent par la couche de compression suivante. Chaque couche de compression va analyser un élément plus abstrait que la précédente, la première se focalisant, par exemple, sur la quantité de gris par pixel, déterminant ainsi les pixels noirs et blancs, et la surface occupée par l'objet sur l'image, la seconde sur les contrastes de l'image, la troisième sur des formes géométriques simples... La dernière couche, la plus utile, enregistrera le x abstrait, puisqu’avec toute les informations stockées dans les couches précédentes, l'algorithme sera capable de faire correspondre le x abstrait avec l'un des labels y. On peut en voir un exemple simple dans cette simulation réalisée par le professeur Hinton :
Néanmoins, bien que certaines personnes mettent en garde le monde devant les dangers potentiels d'intelligences artificielles si développées, nous ne sommes pas encore dans Terminator ou une IA peut prendre le contrôle du monde. En effet, les progrès sont malgré tout lents, et les algorithmes ne sont pas encore arrivés au stade où ils n'ont plus besoin des humains. De plus, le Deep Learning s'avère probablement être l'avenir pour l'élaboration des prothèses, puisqu'il a déjà permis de créer une prothèse auditive capable de reproduire la capacité de l'oreille humaine ; c'est à dire de se concentrer sur un son sans prendre les autres en compte, les anciennes prothèses se contentant de capter tous les sons, produisant ainsi un vacarme incohérent dans l'oreille de son utilisateur. Elle a aussi aidé à créer une prothèse de main qui permet de faire ressentir des sensations tactiles à son utilisateur. Le Deep Learning a également fait progresser tout ce qui est de l'ordre de la reconnaissance visuelle et auditive. Ainsi, les possibilités du Deep Learning sont multiples : elle vont de la médecine aux intelligences artificielles. Cependant, cette méthode ne commence à fonctionner que depuis l’apparition d’ordinateurs bien plus puissants. En effet, cela existe depuis les années 80, mais les capacités des ordinateurs ne permettaient pas un bon fonctionnement des algorithmes. Les dernières avancées qui concernent le Deep Learning sont donc très récentes. De ce fait, nous ne somme pas inquiets pour le moment de ce qu’il pourrait advenir avec de telle méthodes… Cependant, avec nos ordinateurs actuels et la complexification des algorithmes, le Deep Learning fonctionne si bien qu’il commence à permettre aux machines d’apprendre et d’innover… En effet, comme l'affirme un journaliste du Monde, grace au Deep Learning, des logiciels de reconnaissance faciale ont pu identifier le concept de « chat » sans que personne ne leur ait fourni l’information de leur existence… De plus, ce quotidien nous informe qu’un logiciel, le Deep Dream, qui est un dérivé du Deep Learning, est capable de « rêver », ou tout du moins de produire des images psychédéliques qui pourraient s’apparenter à un « rêve ».
Comme nous l’avons vu, les possibilités offertes par cette méthode d’apprentissage sont très importantes. Nous avons remarqué que cela pouvait mener à des innovations scientifiques majeures qui pourraient aider grandement la vie de certaines personnes, et probablement à terme de tous. Cependant, un problème éthique majeur se pose encore… Laisser des machines apprendre et évoluer par elles-mêmes est-il vraiment une bonne idée ? Peut-être, mais cela engendrerait de nombreux risques quant à un dépassement des capacités humaines par la machine… D'ores et déjà, les machines sont capables de battre l’humain en de nombreux domaines : les jeux video, la vitesse de calcul ou d’analyse… Et si les algorithmes pouvaient désormais se doter de ce qui est propre à l’homme, sa conscience et sa créativité, que se passerait-il ? Bien que les avancées scientifiques qu’ils offrent soient utiles dans de nombreux domaines, les risques qu'ils font courir n’en sont pas moins importants.
Une nouvelle question se pose alors : sommes nous prêts à sacrifier notre éthique et notre morale au profit d’avancées scientifiques ?
Il semble incroyable que des I.A. soient d'ores et déjà capables de battre des humains... Pourtant, les faits sont là. L'homme est déjà dépassé par ses créations. Il est alarmant de se dire que des I.A. sont en mesure d'échapper au contrôle humain. Une prise de conscience des dangers que les algorithmes pourraient causer est nécessaire, mais la fascination que l'homme porte à ses créations est encore souvent trop forte pour qu'il prenne conscience des nombreux problèmes éthiques qu'elles causent... Nous portons ici un constat peut être alarmiste, mais, si rien n'est fait, dans le futur, les dangers que les algorithmes pourraient provoquer seront décuplés...
